信息技术（第2版）（拓展模块）教案 拓展模块5 5.3常用核心技术2

2/8课题名称贝叶斯分类器与人工神经网络授课类型理实一体授课对象授课课时所授课程授课地点所授教材一、学情分析本课程授课对象为高职各专业大一学生，课程开设在大一第2学期，学生在知识储备、学习特点和信息素养的情况如下：1.知识与技能储备学生进一步理解了机器学习的基本原理，了解了决策树算法，对机器学习算法开发流程有了进一步认识2.学习特点授课对象在学习方面表现出如下特点：（1）喜欢情境设定，厌烦平淡无奇的说教；（2）乐于接受可视化教学资源，反感静态纸质学习材料；（3）具有较强的求知欲，希望了解一些具体的机器学习算法。3.信息素养学生具备了基础的信息技术学科素养，二、教学内容1.知识目标2.能力目标3.素养目标1.教学重点八、教学环节教学环节教学内容教学活动策略与意图环节一课程回顾与学习目标(5分钟)【问题导入】决策树算法开发流程是什么？【学习目标】教师活动1.提出问题，回顾以前所学内容2.介绍本单元的学习目标学生活动2.思考记录1.问题教学法：复习决策树算法开发流程，为本次课程做好铺垫2.讲授教学法：介绍学习目标，使学生明确本次课的要求教学环节教学内容教学活动策略与意图环节二学习贝叶斯分类器(20分钟)1.概率随机事件出现的可能性大小，表示为P（A）。例：根据案例训练集数据计算学习状态为好的概率。P2.概率分布随机变量取值的概率规律，即随机变量各种可能结果发生的概率。3.条件概率条件概率是指事件A在另外一个事件B已经发生条件下的发生概率，表示为P（A|B）。例：根据案例训练集数据计算学习状态为“好”条件下考试成绩良好的可能性。P4.机器学习模型的概率表示模型f(x)是一个有关概率分布的函数，它在观测到输入数据x的条件下，会输出最有可能的y，数学表示为f例：对于案例训练集数据中的学习状态判断问题，已知一个学生考试成绩良好，能按时完成作业，课上注意力一般，出勤率低，需要判断其学习状态。该问题可表达为以下形式并选取其中较大者的学习状态作为判断结果。P(学习状态=好|(考试成绩=良好，作业完成情况=按时完成，课上注意力=一般，出勤率=低))P(学习状态=差|(考试成绩=良好，作业完成情况=按时完成，课上注意力=一般，出勤率=低))5.贝叶斯定理P6.贝叶斯分类器f7.朴素贝叶斯分类器fx教师活动学生活动1.案例分析法：学习状态预测问题案例是贯穿贝叶斯分类器始终的案例，通过此案例，可以帮助学生具体理解叶斯分类器算法2.结合案例讲解贝叶斯分类器中的基本概念3.概率、概率分布、条件概率等基本概念讲解要为后面的内容做好铺垫4.推演模型的概率表示到朴素贝叶斯分类器，使学生理解前后的逻辑关系教学环节教学内容教学活动策略与意图环节三朴素贝叶斯分类器计算示例(15分钟)朴素贝叶斯分类器应用举例例：以案例训练样本集合，判断一个考试成绩良好、能按时完成作业、课上注意力一般、出勤率低的学生的学习状态。解：1．计算学习状态为“好”条件下的各项概率估计值PPPPP根据朴素贝叶斯公式，可以得到P(学习状态=2.计算学习状态为“差”条件下的各项概率估计值。P学习状态=差=PPP根据朴素贝叶斯公式，可以得到P(学习状态结论：比较以上两个计算结果，学习状态好的计算结果更大，因此判定该学生的学习状态为好。教师活动1.布置任务：以案例训练样本集合，判断一个考试成绩良好、能按时完成作业、课上注意力一般、出勤率低的学生的学习状态2.提示完成任务的具体方法3.点评学生完成任务情况学生活动任务驱动法：通过学生自己动手完成任务，使学生进一步理解朴素贝叶斯分类器的算法教学环节教学内容教学活动策略与意图环节四学习神经元(25分钟)1.神经元结构2.神经元基本原理（1）线性变换u（2）常用的激活函数（3）神经元数学模型y（4）神经元工作原理教师活动1.运用图示讲解神经元结构2.运用图示讲解神经元基本原理学生活动2.积极思考3.思考记录讲授法：通过图示讲授神经元，使学生能够具体形象地了解神经元结构及其工作原理教学环节教学内容教学活动策略与意图环节五学习前馈神经网络结构(15分钟)1.前馈神经网络结构2.前馈神经网络的训练教师活动1.运用图示讲解前馈神经网络结构2.运用图示讲解前馈神经网络的训练过程学生活动讲授法：通过图示讲授前馈神经网络，使学生能够具体形象地了解前馈神经网络结构及其训练过程教学环节教学内容教学活动策略与意图环节六